Professional Documents
Culture Documents
processo apresenta m
ultiplos atrasos de transporte
entre as entradas e as sadas tornando-se em um
caso de estudo atrativo do ponto de vista de controle.
Introdu
c
ao
Incubadoras neonatais s
ao utilizadas no tratamento de recem-nascidos muito sensveis e/ou com
limitada capacidade de reagir a situac
oes adversas (Barbosa e Oliveira, 2002; Silvado, 1993). Segundo o Ministerio da Sa
ude (2009), no ano de
2006 no Brasil mais de 60% dos
obitos infantis
registrados na faixa de 0 a 1 ano ocorreram nos
primeiros 27 dias de vida, perodo em que as incubadoras sao uma das mais importantes ferramentas para a reduc
ao dos riscos de mortalidade
e de doencas (Barbosa e Oliveira, 2002). Tais
equipamentos devem produzir um ambiente higrotermico confort
avel e saud
avel para os recemnascidos ao reduzir a perda de
agua dos mesmos,
que ocorre atraves da pele e da respirac
ao. Devem
tambem aumentar o armazenamento de calor do
neonato com o controle da temperatura interna,
da umidade relativa (UR) e, por consequencia, da
pressao de vapor no microclima criado dentro da
c
upula (Farias, 2001; Karen, 1994). Portanto, do
ponto de vista de um sistema de controle, uma incubadora e um sistema onde a temperatura e a UR
de vapor sao as principais vari
aveis a serem controladas (Arone, 1995; Bouattoura et al., 1998; Infante, 1992).
O problema de controle deve considerar as interacoes que existem entre as malhas de umidade e
temperatura pois ambas influenciam uma a outra.
Alem disso, o problema e agravado dado que o
3493
Descri
c
ao, modelagem e valida
c
ao da
incubadora
M (s)
=
eL2 s = p22 (s)
(2)
i
s + 1
em que i e a vazao de entrada, M (s) e a transformada de Laplace de m, e uma constante, i e
a massa de vapor que entra, o e a massa de vapor
que sai e e a constante de tempo do modelo da
umidade. O atraso L2 foi inserido com o mesmo
proposito do anterior.
Finalmente foi considerado que a interacao
que existe entre as malhas de umidade e temperatura pode ser representada tambem por modelos de primeira ordem com atraso ( p12 (s) =
k12
L12 s
L21 s
, p21 (s) = 21k21
).
12 s+1 e
s+1 e
Todas as constantes do modelo multivariavel foram identificadas usando dados reais pelo
metodo dos mnimos quadrados (Coelho e Coelho,
2003), obtendo-se a seguinte matriz de transferencia:
13.8
12.8 2.6s
e0.4s
e
0.92s + 1
23.8s + 1
.
P(s) =
9.7
1.9 0.1s
1.6s
e
e
1.4s + 1
38.3s + 1
(3)
Figura 1: Prot
otipo da incubadora neonatal
Os sensores de temperatura e de umidade estao localizados no centro da superfcie inferior do
capacete. O resistor de aquecimento est
a no reservatorio logo abaixo, por onde circula o ar que vai
entrar na camara do recem-nascido. O umidificador esta montado em um suporte na estrutura
metalica mais abaixo da regi
ao de circulacao de
ar, assim o vapor d
agua e injetado pr
oximo da entrada de ar da parte superior atraves de um duto.
O ciclo de passagem de ar entre as duas divisoes da incubadora neonatal n
ao e fechado, pois
este precisa ser renovado externamente. O ar que
sai do capacete e lancado fora do sistema, proximo
`a entrada de ar do reservat
orio, onde fica um ventilador que forca a entrada do ar exterior para o
ambiente interno, o qual passa pela resistencia de
aquecimento e entra aquecido na parte superior.
O ventilador foi ajustado para que a velocidade de
circulacao do ar em contato com o recem-nascido
nao ultrapasse 0,35 m/s obedecendo `
a norma NBR
IEC 60601-2-19 - parte 2.
2.1
2.2
Modelagem
Na modelagem fsica da temperatura consideramos o sistema como uma caixa de volume conhecido V , na qual temos uma entrada de ar, a uma
temperatura e , e uma sada, a uma temperatura
s . A partir disto, utilizando as equac
oes de fluxo
de calor (Close et al., 2002), conseguimos chegar
a seguinte relac
ao no domnio da frequencia:
(s) =
Validac
ao
Descri
c
ao do Controlador
(1)
3494
60
55
(6)
50
45
40
35
pij (z 1 ) =
30
z 1 Bij (z 1 )
Aij (z 1 )
(7)
25
20
0
10
20
30
Tempo (Minutos)
40
50
60
(a) sadas
n(t + k) =
1
T(z 1 )e(t),
(8)
3
Entrada Temperatura
Entrada Umidade
2.5
1.5
(9)
0.5
3.2
0
0
10
20
30
Tempo (Minutos)
40
50
(b) entradas
Figura 2: Validac
ao do modelo.
geralmente consiste na minimizac
ao da seguinte
funcao custo (Normey-Rico e Camacho, 2000):
J=
N2
P
NP
u 1
k=N1
ku(t + k|t)k2
k=0
(4)
sujeita `as seguintes restric
oes:
umin u(t + k|t) umax k = 0, ..., Nu 1
umin u(t + k|t) umax k = 0, ..., Nu 1,
ymin y(t + k|t) ymax k = N1 , ..., N2 ,
1 i z 1
e(t)
(z 1 )
(10)
C
alculo das Predic
oes
em que N1 e N2 s
ao o mnimo e o m
aximo horizonte de predic
ao, respectivamente, w(t + k) e a
trajetoria de referencia futura, Nu e o horizonte
de controle, e s
ao matrizes de ponderacao
definidas positivas, u(t) e o controle incremental e y(t + k | t) e a predic
ao da sada y(t) a partir
do instante t.
3.1
Modelo de perturbac
oes e predic
oes
60
(5)
em que: x(t) e a sada do modelo quando e aplicada uma entrada u(t) e n(t) representa o efeito
das perturbac
oes e erros de modelagem.
A sada do modelo x(t) e dada pela funcao de
transferencia multivari
avel:
ni (t + k) =
(1 i )
ni (t) + Eik (q 1 )e(t + k).
1 i q 1
(12)
1 O sub
ndice i
e usado para se referir ao i-
esimo elemento do respectivo vetor.
3495
(1 i )
(1 i )
ni (t) =
(yi (t)xi (t)).
1
1 i q
1 i q 1
(13)
Note que, se i varia entre 0 e 1, a predicao da
perturbacao ni (t + k|t) e dada pela sada filtrada
da perturbac
ao ni (t), em que o filtro e do tipo
passa baixas.
Considerando as equac
oes (9) e (13), o modelo
de predicao e dado por:
ni (t+k|t) =
1 i
(yi (t) xi (t)).
1 i q 1
(14)
em que xi (t + k|t) pode ser calculado recursivamente usando o modelo discreto (6).
No seguinte item ser
ao estudadas as propriedades do algoritmo proposto por meio da
analise da equac
ao (14).
yi (t + k|t) = xi (t + k|t) +
3.3
Restries
w (t )
OTIMIZADOR
y (t )
u(t )
PROCESSO
MODELO
y (t d | t )
x(t d )
x(t )
ATRASO
n(t d | t )
F ( z 1 )
3.4
Processo de otimizac
ao
J = 21 uT Hu + bT u + f0 ,
sujeito a: Au B,
(17)
yi (t + di + j|t) =
xi (t + di + j|t) + (yi (t + di |t) xi (t + di |t)).
(16)
O processo de otimizac
ao quadr
atica usa a
equacao (16) para calcular as predic
oes no intervalo desejado (t + d + 1 a t + d + N ).
Neste caso, as predic
oes est
ao baseadas nas
predicoes do PSF ate t + d. Perceba que o filtro
Fi (z 1 ) nao aparece explicitamente na equacao
(16), mas atua sobre a sada predita yi (t + di |t),
portanto, o ajuste de Fi (z 1 ) n
ao afeta o processo
de otimizacao. Assim a estrutura final de controle
pode ser desenhada como um PSF seguido de um
controlador preditivo como na Figura 3. Conseq
uentemente, o controlador proposto tem as propriedades mais importantes do PSF. Como e conhecido na literatura, o PSF pertence `
a classe de
controladores de atraso robusto, o qual permite
melhorar a robustez do controlador especialmente
quando existem incertezas no atraso. A estrutura
de controle proposta pode ser interpretada como:
(a) o atraso do processo pode ser compensado pelo
4.1
Resultados de simula
c
ao e
experimentais
Resultados de simulac
ao
Previamente aos ensaios experimentais, o controlador proposto foi testado em simulacao. Neste
item a estrategia de controle proposta e comparada ao algoritmo de Controle Preditivo Generalizado (GPC Generalized Predictive Control)
(Clarke et al., 1987). Os parametro de ajuste
de ambos os controladores sao: Tempo de
amostragem Ts = 0.4min que foi ajustado com
um u
nico valor entre as dinamicas de temperatura e umidade o que nao compromete o desempenho do sistema, horizonte de predicao maximo
3496
min e a referencia da temperatura num tempo inferior a 10 min. Em ambos os casos nao ha sobresinal.
Em geral o desempenho do controlador proposto e bom. Foi evidenciado, atraves da comparacao com outro algoritmo com o mesmo ajuste
de parametros, que este controlador permite melhorar a robustez significativamente apesar de que
os atrasos nao sejam dominantes.
5
Conclus
oes
Neste artigo foi proposta uma estrategia de controle preditivo multivariavel para sistemas com
m
ultiplos atrasos e restricoes. O controlador proposto contem implicitamente um compensador
de atrasos robusto em que suas principais propriedades de robustez tambem sao validas para
essa estrategia de controle. Resultados de simulacao e experimentais mostraram as propriedades
de robustez do algoritmo. O controlador permitiu manter as sadas nas referencias desejadas com
um tempo de resposta desejado apesar de o processo real possuir nao-linearidades e um nvel de
rudo elevado nas medidas dos sinais de sada. Em
trabalhos futuros pretende-se estudar detalhadamente as propriedades de robustez do algoritmo
proposto e estender os resultados a processos multivariaveis nao-lineares fazendo comparacoes com
artigos mais rescentes.
Resultados experimentais
Agradecimentos
3497
65
40
38
Referncia
Umidade
36
Temperatura (C)
Umidade (%)
60
55
50
34
32
30
Referncia
Temperatura
28
45
26
40
0
10
20
30
40
50
24
0
60
Tempo (Minutos)
20
30
40
50
60
40
50
60
Tempo (Minutos)
5
4
2.5
Sinal de controle (PWM)
10
1.5
3
2
1
0
1
0
10
20
30
40
50
60
-1
0
Tempo (Minutos)
10
20
30
Tempo (Minutos)
(a) Umidade
(b) Temperatura
58
32
30
Temperatura (C)
56
Umidade (%)
31
Referncia
Umidade
54
52
29
28
27
Referncia
Temperatura
26
50
25
48
0
10
20
30
40
50
24
0
60
Tempo (Minutos)
10
20
30
40
50
60
40
50
60
Tempo (Minutos)
2.8
5
4
2.4
2.6
2.2
2
1.8
1.6
2
1
1.4
0
10
20
30
40
50
0
0
60
Tempo (Minutos)
10
20
30
Tempo (Minutos)
(a) Umidade
(b) Temperatura
3498
58
34
Referncia
Umidade
56
32
52
Temperatura (C)
Umidade (%)
54
50
48
46
28
Referncia
Temperatura
26
44
42
0
30
20
40
60
80
100
24
0
Tempo (Minutos)
20
40
60
80
100
80
100
Tempo (Minutos)
4
3.5
2.4
Sinal de controle (PWM)
2.6
2.2
2
1.8
1.6
1.4
1.2
0
3
2.5
2
1.5
1
0.5
20
40
60
80
100
Tempo (Minutos)
0
0
20
40
60
Tempo (Minutos)
(a) Umidade
(b) Temperatura
Camacho, E. F. e Bordons, C. (2004). Model Predictive Control, 2nd edn, Springer Verlag.
Clarke, D., Mothadi, C. e Tuffs, P. (1987). Generalized Predictive Control. Part I The Basic
Algorithm and Part II Extensions and Interpretations, Automatica 23(2): 137160.
3499